实现质心跟踪车辆计数代码

质心跟踪车辆计数是计算机视觉中的一个基本问题，主要分为两个步骤：第一步是通过图像处理找到车辆的质心；第二步是对车辆进行计数。以下是一个基本的实现代码：

import cv2
import numpy as np

# 定义车辆的颜色范围（在这里我们只考虑红色车辆）
boundaries = [
    ([17, 15, 100], [50, 56, 200])
]

# 定义视频文件路径
cap = cv2.VideoCapture('video.mp4')

# 初始化变量
counter = 0
previous_count = 0
center_list = []

while True:
    ret, frame = cap.read()
    if not ret:
        break

    # 缩小图像尺寸以提高处理速度
    frame = cv2.resize(frame, (640, 360))

    # 预处理图像
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

    # 遍历颜色范围
    for (lower, upper) in boundaries:

        # 创建 NumPy 数组以存储颜色范围的上下限
        lower = np.array(lower, dtype="uint8")
        upper = np.array(upper, dtype="uint8")

        # 根据颜色范围创建掩码
        mask = cv2.inRange(hsv, lower, upper)

        # 对掩码进行形态学操作以去除噪声
        mask = cv2.erode(mask, None, iterations=2)
        mask = cv2.dilate(mask, None, iterations=2)

        # 查找轮廓
        contours, hierarchy = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

        # 遍历轮廓并计算车辆质心
        for contour in contours:
            # 计算轮廓的外接圆
            (x, y), radius = cv2.minEnclosingCircle(contour)
            center = (int(x), int(y))

            # 如果外接圆的半径小于 10，则跳过该圆
            if radius < 10:
                continue

            # 将车辆质心添加到列表中
            center_list.append(center)

            # 在图像上绘制外接圆和质心
            cv2.circle(frame, center, int(radius), (0, 255, 255), 2)
            cv2.circle(frame, center, 5, (0, 0, 255), -1)

    # 计算车辆数量
    if len(center_list) > previous_count:
        counter += len(center_list) - previous_count
        previous_count = len(center_list)

    # 在图像上绘制车辆数量
    cv2.putText(frame, "Vehicle count: {}".format(counter), (10, 30),
                cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 2)

    cv2.imshow("frame", frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

该代码使用 OpenCV 库实现，首先定义了车辆的颜色范围（在这里我们只考虑红色车辆），然后打开视频文件并初始化变量。在每个视频帧上，代码首先缩小图像尺寸以提高处理速度，然后预处理图像并查找轮廓。对于每个轮廓，代码计算外接圆和质心，并将质心添加到列表中。最后，代码计算车辆数量并在图像上绘制车辆数量。